RU2015106797A - SEARCH PROCESSING METHOD AND SERVER - Google Patents

SEARCH PROCESSING METHOD AND SERVER Download PDF

Info

Publication number
RU2015106797A
RU2015106797A RU2015106797A RU2015106797A RU2015106797A RU 2015106797 A RU2015106797 A RU 2015106797A RU 2015106797 A RU2015106797 A RU 2015106797A RU 2015106797 A RU2015106797 A RU 2015106797A RU 2015106797 A RU2015106797 A RU 2015106797A
Authority
RU
Russia
Prior art keywords
search
images
offers
ranked list
suggestions
Prior art date
Application number
RU2015106797A
Other languages
Russian (ru)
Other versions
RU2609079C2 (en
Inventor
Дмитрий Сергеевич Кривоконь
Павел Алексеевич Шишкин
Олег Сергеевич Попов
Ильнур Флюрович Гадельшин
Михаил Александрович Сухов
Андрей Александрович Мельников
Антон Павлович Артемов
Original Assignee
Общество С Ограниченной Ответственностью "Яндекс"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Общество С Ограниченной Ответственностью "Яндекс" filed Critical Общество С Ограниченной Ответственностью "Яндекс"
Priority to RU2015106797A priority Critical patent/RU2609079C2/en
Priority to PCT/IB2015/053760 priority patent/WO2016135535A1/en
Priority to US15/552,436 priority patent/US20180039638A1/en
Publication of RU2015106797A publication Critical patent/RU2015106797A/en
Application granted granted Critical
Publication of RU2609079C2 publication Critical patent/RU2609079C2/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3322—Query formulation using system suggestions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

1. Способ (300) обработки на сервере (116) поискового предложений на основе изображений для первого поискового запроса, включающий:получение первого поискового запроса от электронного устройства (102), связанного с пользователем;формирование множества поисковых предложений на основе изображений, связанных с первым поисковым запросом, при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах;ранжирование множества поисковых предложений на основе изображений с использованием первого набора параметров ранжирования с формированием первого ранжированного списка поисковых предложений на основе изображений и второго набора параметров ранжирования с формированием второго ранжированного списка поисковых предложений на основе изображений;ранжирование множества поисковых предложений на основе изображений посредством первого набора параметров ранжирования с формированием первого ранжированного списка предложений для поискового запроса на основе изображений и второго набора параметров ранжирования с формированием второго ранжированного списка предложений для поискового запроса на основе изображений; при этом первый набор параметров ранжирования обучен на первом обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром частоты, указывающим на частоту связи предложения для первого поискового запроса на основе изображений с прошлым поисковым поведением пользователя; при этом второй набор параметров ранжирования обучен на втором обучающем наборе поисковых предложений на основе изображений, причем эти предложения1. A method (300) for processing, on the server (116), image-based search suggestions for a first search query, including: receiving a first search query from an electronic device (102) associated with a user; generating a plurality of search sentences based on images associated with the first search query, while these offers are based at least in part on past related search queries; ranking a plurality of search offers based on images using the first set of parameters in ranking with the formation of a first ranked list of search offers based on images and a second set of ranking parameters with the formation of a second ranked list of search offers based on images; ranking a plurality of search offers based on images using a first set of ranking parameters with the formation of a first ranked list of offers for a search query on the basis of images and the second set of ranking parameters with the formation of the second ranking annogo list of suggestions for keyword on the basis of images; wherein the first set of ranking parameters is trained on the first training set of image-based search suggestions, moreover, these sentences are associated with a frequency parameter indicating the connection frequency of the proposal for the first search query based on images with past user search behavior; while the second set of ranking parameters is trained on the second training set of search offers based on images, and these sentences

Claims (29)

1. Способ (300) обработки на сервере (116) поискового предложений на основе изображений для первого поискового запроса, включающий:1. A method (300) for processing, on a server (116), image-based search suggestions for a first search query, including: получение первого поискового запроса от электронного устройства (102), связанного с пользователем;receiving a first search query from an electronic device (102) associated with a user; формирование множества поисковых предложений на основе изображений, связанных с первым поисковым запросом, при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах;generating a plurality of search suggestions based on images associated with the first search query, while these suggestions are based at least in part on past related search queries; ранжирование множества поисковых предложений на основе изображений с использованием первого набора параметров ранжирования с формированием первого ранжированного списка поисковых предложений на основе изображений и второго набора параметров ранжирования с формированием второго ранжированного списка поисковых предложений на основе изображений;ranking a plurality of image-based search suggestions using a first set of ranking parameters to form a first ranked list of search suggestions based on images and a second set of ranking parameters to form a second ranked list of search suggestions based on images; ранжирование множества поисковых предложений на основе изображений посредством первого набора параметров ранжирования с формированием первого ранжированного списка предложений для поискового запроса на основе изображений и второго набора параметров ранжирования с формированием второго ранжированного списка предложений для поискового запроса на основе изображений; при этом первый набор параметров ранжирования обучен на первом обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром частоты, указывающим на частоту связи предложения для первого поискового запроса на основе изображений с прошлым поисковым поведением пользователя; при этом второй набор параметров ранжирования обучен на втором обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны со скрытым параметром интереса, указывающим на высокую релевантность предложений для поискового запроса на основе изображений для пользователя, не зависящую от связанного параметра частоты; иranking a plurality of image-based search offers by means of a first set of ranking parameters to form a first ranked list of offers for an image-based search query and a second set of ranking parameters to form a second ranked list of offers for an image-based search query; wherein the first set of ranking parameters is trained on the first training set of image-based search suggestions, moreover, these sentences are associated with a frequency parameter indicating the connection frequency of the proposal for the first search query based on images with past user search behavior; wherein the second set of ranking parameters is trained on the second training set of image-based search suggestions, moreover, these sentences are associated with a hidden interest parameter indicating the high relevance of the sentences for the search query based on images for the user, not depending on the associated frequency parameter; and формирование ранжированного списка поисковых предложений на основе изображений посредством выбора первой части из первого ранжированного списка поисковых предложений на основе изображений и второй части из второго ранжированного списка поисковых предложений на основе изображений.forming a ranked list of search offers based on images by selecting the first part from the first ranked list of search offers based on images and the second part from the second ranked list of search offers based on images. 2. Способ по п. 1, в котором2. The method according to p. 1, in which перед указанным выбором указанной первой части из первого ранжированного списка поисковых предложений на основе изображений осуществляют выбор первой подгруппы поисковых предложений на основе изображений из первого ранжированного списка, причем первая подгруппа включает только неявно связанные поисковые предложения на основе изображений из первого ранжированного списка; иbefore the indicated selection of the indicated first part from the first ranked list of search offers based on images, a first subgroup of search offers based on images from the first ranked list is selected, the first subgroup including only implicitly related search offers based on images from the first ranked list; and формирование указанного ранжированного списка поисковых предложений на основе изображений с помощью выбора указанной первой части из указанной первой подгруппы поисковых предложения на основе изображений из первого ранжированного списка.generating said ranked list of search offers based on images by selecting said first part from said first subgroup of search offers based on images from the first ranked list. 3. Способ по п. 2, в котором выбирают первую подгруппу с использованием первой модели машинного обучения по меньшей мере частично на основе оценок первого эксперта для указанных прошлых связанных поисковых запросов.3. The method of claim 2, wherein the first subgroup is selected using the first machine learning model based at least in part on the first expert’s estimates for said past related search queries. 4. Способ по п. 2 или 3, в котором указанная первая подгруппа включает в себя явно связанные поисковые предложения на основе изображений, выбранные из: запросов с добавочным словом к первому поисковому запросу; запросов на популярные связанные темы; запросов на популярные продукты, включающие в себя первый поисковой запрос; запросов на очевидные дополнения темы первого поискового запроса; и запросов, семантически относящихся к первому поисковому запросу.4. The method according to claim 2 or 3, wherein said first subgroup includes explicitly related search sentences based on images selected from: queries with an additional word to the first search query; requests for popular related topics; requests for popular products, including the first search query; requests for obvious additions to the topic of the first search query; and queries semantically related to the first search query. 5. Способ по п. 1, в котором5. The method according to p. 1, in which отображают пользователю высоко оцененные поисковые предложения (204, 206, 208, 210) на основе изображений перед выполнением поиска;display highly rated search terms (204, 206, 208, 210) to the user based on the images before performing the search; в ответ на то, что пользователь продолжает вводить первый поисковой вопрос без выбора одного или нескольких отображенных поисковых предложений на основе изображений, выполнение поиска по первому поисковому запросу; иin response to the fact that the user continues to enter the first search query without selecting one or more displayed search suggestions based on images, performing a search on the first search query; and инициация отображения пользователю электронным устройством страницы (108) поисковых результатов (SERP) в ответ на выполненный поиск, в котором высоко оцененные поисковые предложения (204, 206, 208, 210) на основе изображений отображаются вместе сверху на странице (108) поисковых результатов (SERP).initiating the display by the electronic device of the page (108) of search results (SERP) to the user in response to a search in which highly-rated search suggestions (204, 206, 208, 210) based on images are displayed together on top of the search results page (108) (SERP) ) 6. Способ по п. 1, в котором6. The method according to p. 1, in which отображают пользователю высоко оцененные поисковые предложений (204, 206, 208, 210) на основе изображений перед выполнением поиска;display highly rated search suggestions (204, 206, 208, 210) to the user based on the images before performing the search; в ответ на то, что пользователь выбирает одно или несколько отображенных поисковых предложений на основе изображений, выполняют поиск по выбранным поисковым предложениям на основе изображений; иin response to the fact that the user selects one or more displayed image-based search offers, a search is performed on the selected image-based search offers; and инициируют отображение пользователю электронным устройством (102) страницы (108) поисковых результатов (SERP) в ответ на выполненный поиск.initiate the display by the electronic device (102) of the page (108) of search results (SERP) to the user in response to the search. 7. Способ по п. 2, в котором высоко оцененные поисковые предложения (204, 206, 208, 210) на основе изображений, не выбранные пользователем, отображают вместе сверху на странице (108) поисковых результатов (SERP).7. The method according to claim 2, in which the highly rated search suggestions (204, 206, 208, 210) based on images not selected by the user are displayed together at the top of the search results page (108) (SERP). 8. Способ по п. 1, в котором указанный параметр скрытого интереса определяют вторым экспертом, ранжирующим поисковые результаты по меньшей мере частично на основе указанных прошлых поисковых запросов.8. The method of claim 1, wherein said latent interest parameter is determined by a second expert ranking search results at least partially based on said past search queries. 9. Способ по п. 8, в котором указанное ранжирование поисковых результатов с помощью указанного второго эксперта основано на одном или нескольких факторах, выбранных из: привлекательность результатов из поиска, привлекательность страницы поисковых результатов (SERP), отношения между поисковыми предложениями на основе изображений и первым поисковым запросом, а также интерес для пользователя.9. The method of claim 8, wherein said ranking of search results using said second expert is based on one or more factors selected from: attractiveness of search results, attractiveness of search results page (SERP), relationships between image-based search suggestions and first search query, as well as interest to the user. 10. Способ по п. 1, в котором указанный параметр скрытого интереса определяют использованием второй модели машинного обучения для ранжирования поисковых результатов по меньшей мере частично на основе прошлых поисковых запросов.10. The method of claim 1, wherein said latent interest parameter is determined using a second machine learning model to rank search results at least partially based on past search queries. 11. Способ по п. 10, в котором указанная вторая модель машинного обучения для ранжирования поисковых результатов основана на одном или нескольких факторах, выбранных из: числа прошлых поисковых запросов, числа прошлых сеансов, длительности прошлых сеансов, среднего времени между запросами, среднего расстояния между положениями между запросами, истории щелчков мышью.11. The method of claim 10, wherein said second machine learning model for ranking search results is based on one or more factors selected from: the number of past searches, the number of past sessions, duration of past sessions, average time between requests, average distance between positions between requests, click history. 12. Способ по п. 9 или 11, в котором указанный один или несколько факторов связанны с пользователем.12. The method according to p. 9 or 11, in which the specified one or more factors associated with the user. 13. Способ по п. 9 или 11, в котором указанный один или несколько факторов являются статистическими.13. The method according to p. 9 or 11, in which the specified one or more factors are statistical. 14. Способ по п. 1, в котором предварительно получают первый поисковый запрос.14. The method of claim 1, wherein the first search query is preliminarily obtained. 15. Способ по п. 1, в котором указанный ранжированный список поисковых предложений на основе изображений создают с использованием параметра оценки для определения пропорции указанной первой части и указанной второй части.15. The method according to claim 1, wherein said ranked list of search offers based on images is created using an evaluation parameter to determine the proportion of said first part and said second part. 16. Способ по п. 15, в котором указанная первая часть меньше, чем указанная вторая часть в указанном ранжированном списке поисковых предложений на основе изображений.16. The method of claim 15, wherein said first part is less than said second part in said ranked list of search offers based on images. 17. Способ по п. 16, в котором указанная пропорция содержит 80% указанной второй части и 20% указанной первой части.17. The method of claim 16, wherein said proportion comprises 80% of said second part and 20% of said first part. 18. Способ по п. 16, в котором указанная пропорция содержит 50% указанной второй части и 50% указанной первой части.18. The method of claim 16, wherein said proportion comprises 50% of said second part and 50% of said first part. 19. Способ по п. 15, в котором указанный параметр оценки определяют третьим экспертом, ранжирующим поисковые результаты по меньшей мере частично на основе прошлых поисковых запросов.19. The method according to p. 15, in which the specified evaluation parameter is determined by a third expert ranking the search results at least partially based on past search queries. 20. Способ по п. 19, в котором указанный третий эксперт ранжирует поисковые результаты на основе одного или нескольких факторов, выбранных из: привлекательность результатов из поиска, привлекательность страницы поисковых результатов (SERP), отношения между поисковыми предложениями на основе изображений и первым поисковым запросом, а также интерес для пользователя.20. The method of claim 19, wherein said third expert ranks search results based on one or more factors selected from: attractiveness of search results, attractiveness of search results page (SERP), relationship between image-based search suggestions and first search query as well as interest for the user. 21. Способ по п. 15, в котором указанный параметр оценки определяют использованием третьей модели машинного обучения для ранжирования поисковых результатов по меньшей мере частично на основе прошлых поисковых запросов.21. The method of claim 15, wherein said evaluation parameter is determined using a third machine learning model to rank search results at least partially based on past search queries. 22. Способ по п. 21, в котором указанная третья модель машинного обучения для ранжирования поисковых результатов основана на одном или нескольких факторах, выбранных из: числа прошлых поисковых запросов, числа прошлых сеансов, длительности прошлых сеансов, среднего времени между запросами, среднего расстояния между положениями между запросами, истории щелчков мышью.22. The method of claim 21, wherein said third machine learning model for ranking search results is based on one or more factors selected from: the number of past searches, the number of past sessions, the duration of past sessions, the average time between requests, the average distance between positions between requests, click history. 23. Способ по п. 20 или 22, в котором указанный один или несколько факторов являются связанными с пользователем.23. The method according to p. 20 or 22, in which the specified one or more factors are associated with the user. 24. Способ по п. 20 или 22, в котором указанный один или несколько факторов являются статистическими.24. The method according to p. 20 or 22, in which the specified one or more factors are statistical. 25. Сервер (116) для обработки поискового предложения, включающий:25. Server (116) for processing a search sentence, including: интерфейс передачи данных для связи с электронным устройством (102), связанным с пользователем посредством сети (112) передачи данных;a data transmission interface for communicating with an electronic device (102) connected to a user via a data network (112); память;memory; процессор, функционально связанный с интерфейсом передачи данных и памятью и выполненный с возможностью сохранять объекты, связанные с пользователем, в памяти и с возможностью:a processor functionally associated with a data transfer interface and memory and configured to store user-related objects in memory and with the ability to: получения первого поискового запроса от электронного устройства (102);receiving a first search query from an electronic device (102); формирования множества поисковых предложений на основе изображений, связанных с первым поисковым запросом, при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах;generating a plurality of search suggestions based on images associated with the first search query, wherein these suggestions are based at least in part on past related search queries; ранжирования множества поисковых предложений на основе изображений с использованием первого набора параметров ранжирования для формирования первого ранжированного списка поисковых предложений на основе изображений и второго набора параметров ранжирования для формирования второго ранжированного списка поисковых предложений на основе изображений;ranking a plurality of image-based search suggestions using a first set of ranking parameters to form a first ranked list of image-based search suggestions and a second set of ranking parameters to generate a second ranking list of image-based search suggestions; ранжирования множества поисковых предложений на основе изображений, с использованием первого набора параметров ранжирования для формирования первого ранжированного списка предложений для поискового запроса на основе изображений и второго набора параметров ранжирования для формирования второго ранжированного списка предложений для поискового запроса на основе изображений; причем первый набор параметров ранжирования обучен на первом обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром частоты, указывающим на частоту предложения для первого поискового запроса на основе изображений, связанных с прошлым поисковым поведением пользователя; причем второй набор параметров ранжирования обучен на втором обучающем наборе поисковых предложений на основе изображений, при этом эти предложения связаны со скрытым параметром интереса, указывающим на высокую релевантность предложений для поискового запроса на основе изображений для пользователя, не зависящую от связанного параметра частоты; иranking a plurality of image-based search offers using the first set of ranking parameters to generate a first ranked list of offers for an image-based search query and a second set of ranking parameters to generate a second ranked list of offers for an image-based search request; moreover, the first set of ranking parameters is trained on the first training set of image-based search suggestions, moreover, these sentences are associated with a frequency parameter indicating the frequency of the proposal for the first search query based on images associated with past user search behavior; moreover, the second set of ranking parameters is trained on the second training set of image-based search suggestions, while these sentences are associated with a hidden interest parameter indicating a high relevance of the sentences for the search query based on images for the user, independent of the associated frequency parameter; and формирования ранжированного списка поисковых предложений на основе изображений с помощью выбора первой части из первого ранжированного списка поисковых предложений на основе изображений и второй части из второго ранжированного списка поисковых предложений на основе изображений.generating a ranked list of search offers based on images by selecting the first part from the first ranked list of search offers based on images and the second part from the second ranked list of search offers based on images. 26. Сервер по п. 25, в котором процессор выполнен с возможностью:26. The server according to p. 25, in which the processor is configured to: перед выбором указанной первой части из первого ранжированного списка поисковых предложений на основе изображений, выбирать первую подгруппу поисковых предложений на основе изображений из первого ранжированного списка, причем первая подгруппа включает только неявно связанные поисковые предложения на основе изображений из первого ранжированного списка; иbefore selecting the indicated first part from the first ranked list of search offers based on images, select the first subgroup of search offers based on images from the first ranked list, the first subgroup including only implicitly related search offers based on images from the first ranked list; and формирования указанного ранжированного списка поисковых предложений на основе изображений с помощью выбора указанной первой части из указанной первой подгруппы поисковых предложения на основе изображений из первого ранжированного списка.generating said ranked list of search offers based on images by selecting said first part from said first subgroup of search offers based on images from the first ranked list. 27. Сервер по п. 25 или 26, в котором процессор выполнен с возможностью:27. The server according to p. 25 or 26, in which the processor is configured to: отображения пользователю высоко оцененных поисковых предложений (204, 206, 208, 210) на основе изображений перед выполнением поиска;displaying highly rated search suggestions (204, 206, 208, 210) to the user based on the images before performing the search; в ответ на то, что пользователь выбирает одно или несколько отображенных поисковых предложений (204, 206, 208, 210) на основе изображений, осуществлять поиск по выбранным поисковым предложениям на основе изображений; иin response to the fact that the user selects one or more displayed search suggestions (204, 206, 208, 210) based on the images, search the selected search offers based on the images; and инициировать отображение пользователю электронным устройством (102) страницы (108) поисковых результатов в ответ на выполненный поиск.initiate the display to the user of the page (108) of the search results by the electronic device (102) in response to the search. 28. Сервер по п. 27, в котором процессор выполнен с возможностью отображать высоко оцененные поисковые предложения (204, 206, 208, 210) на основе изображений, не выбранные пользователем, вместе сверху на странице (108) поисковых результатов (SERP).28. The server of claim 27, wherein the processor is configured to display highly rated search suggestions (204, 206, 208, 210) based on images not selected by the user, together at the top of the search results page (108) (SERP). 29. Сервер по п. 25, в котором процессор выполнен с возможностью формировать указанный ранжированный список поисковых предложений на основе изображений с использованием параметра оценки для определения пропорции указанной первой части и указанной второй части. 29. The server according to p. 25, in which the processor is configured to generate the specified ranked list of search offers on the basis of images using the evaluation parameter to determine the proportion of the specified first part and the specified second part.
RU2015106797A 2015-02-27 2015-02-27 Search offer method and processing server RU2609079C2 (en)

Priority Applications (3)

Application Number Priority Date Filing Date Title
RU2015106797A RU2609079C2 (en) 2015-02-27 2015-02-27 Search offer method and processing server
PCT/IB2015/053760 WO2016135535A1 (en) 2015-02-27 2015-05-22 System and method for presenting related resources in image searches
US15/552,436 US20180039638A1 (en) 2015-02-27 2015-05-22 System and method for presenting related resources in image searches

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2015106797A RU2609079C2 (en) 2015-02-27 2015-02-27 Search offer method and processing server

Publications (2)

Publication Number Publication Date
RU2015106797A true RU2015106797A (en) 2016-09-20
RU2609079C2 RU2609079C2 (en) 2017-01-30

Family

ID=56788076

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015106797A RU2609079C2 (en) 2015-02-27 2015-02-27 Search offer method and processing server

Country Status (3)

Country Link
US (1) US20180039638A1 (en)
RU (1) RU2609079C2 (en)
WO (1) WO2016135535A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2692045C1 (en) * 2018-05-18 2019-06-19 Общество С Ограниченной Ответственностью "Яндекс" Method and system for recommending fresh suggest search requests in a search engine
RU2744111C2 (en) * 2019-06-19 2021-03-02 Общество С Ограниченной Ответственностью «Яндекс» Method and system for generating prompts for expanding search requests in a search system

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111279404B (en) * 2017-10-05 2022-04-05 弗伦特永久公司 Language fluent system
US10902052B2 (en) * 2018-03-26 2021-01-26 Microsoft Technology Licensing, Llc Search results through image attractiveness
RU2731658C2 (en) 2018-06-21 2020-09-07 Общество С Ограниченной Ответственностью "Яндекс" Method and system of selection for ranking search results using machine learning algorithm
RU2733481C2 (en) 2018-12-13 2020-10-01 Общество С Ограниченной Ответственностью "Яндекс" Method and system for generating feature for ranging document
RU2744029C1 (en) 2018-12-29 2021-03-02 Общество С Ограниченной Ответственностью "Яндекс" System and method of forming training set for machine learning algorithm
US11334559B2 (en) 2019-09-09 2022-05-17 Yandex Europe Ag Method of and system for identifying abnormal rating activity

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060179045A1 (en) * 2005-01-05 2006-08-10 Jim Grinsfelder Retail store recommendation engine
US8661029B1 (en) * 2006-11-02 2014-02-25 Google Inc. Modifying search result ranking based on implicit user feedback
US20100082609A1 (en) * 2008-09-30 2010-04-01 Yahoo! Inc. System and method for blending user rankings for an output display
US8429173B1 (en) * 2009-04-20 2013-04-23 Google Inc. Method, system, and computer readable medium for identifying result images based on an image query
US8861844B2 (en) * 2010-03-29 2014-10-14 Ebay Inc. Pre-computing digests for image similarity searching of image-based listings in a network-based publication system
US8370337B2 (en) * 2010-04-19 2013-02-05 Microsoft Corporation Ranking search results using click-based data
US20120102018A1 (en) * 2010-10-25 2012-04-26 Microsoft Corporation Ranking Model Adaptation for Domain-Specific Search
US8494983B2 (en) * 2010-11-16 2013-07-23 Microsoft Corporation Object-sensitive image search
WO2014056093A1 (en) * 2012-10-11 2014-04-17 Orboros, Inc. Method and system for visualizing complex data via a multi-agent query engine

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2692045C1 (en) * 2018-05-18 2019-06-19 Общество С Ограниченной Ответственностью "Яндекс" Method and system for recommending fresh suggest search requests in a search engine
US10956502B2 (en) 2018-05-18 2021-03-23 Yandex Europe Ag Method of and system for recommending fresh search query suggestions on search engine
RU2744111C2 (en) * 2019-06-19 2021-03-02 Общество С Ограниченной Ответственностью «Яндекс» Method and system for generating prompts for expanding search requests in a search system
US11537674B2 (en) 2019-06-19 2022-12-27 Yandex Europe Ag Method of and system for generating search query completion suggestion on search engine

Also Published As

Publication number Publication date
RU2609079C2 (en) 2017-01-30
US20180039638A1 (en) 2018-02-08
WO2016135535A1 (en) 2016-09-01

Similar Documents

Publication Publication Date Title
RU2015106797A (en) SEARCH PROCESSING METHOD AND SERVER
US10459989B1 (en) Providing result-based query suggestions
US10846346B2 (en) Search suggestion and display environment
JP6027618B2 (en) Providing topic-based search guidance
US8615514B1 (en) Evaluating website properties by partitioning user feedback
RU2638728C2 (en) Request proposal based on search data
US8832096B1 (en) Query-dependent image similarity
US20110179021A1 (en) Dynamic keyword suggestion and image-search re-ranking
US20230281664A1 (en) Serving advertisements based on partial queries
US9342601B1 (en) Query formulation and search in the context of a displayed document
RU2018132848A (en) METHOD AND SYSTEM FOR EXTENDING SEARCH QUESTIONS FOR THE PURPOSE OF RANKING SEARCH RESULTS
US9594838B2 (en) Query simplification
US20180157758A1 (en) Predicting a search engine ranking signal value
WO2016044028A1 (en) Query rewriting using session information
US20150169576A1 (en) Dynamic Search Results
US20170091343A1 (en) Method and apparatus for clustering search query suggestions
US11194878B2 (en) Method of and system for generating feature for ranking document
CN109952571B (en) Context-based image search results
WO2020132623A1 (en) Ranking image search results using machine learning models
RU2017126528A (en) METHOD AND SYSTEM FOR DETERMINING RANKED POSITIONS OF NON-NATIVE ELEMENTS USING THE RANKING SYSTEM
US8868591B1 (en) Modifying a user query to improve the results
US9110943B2 (en) Identifying an image for an entity
McCreadie et al. University of Glasgow at TREC 2015: Experiments with Terrier in Contextual Suggestion, Temporal Summarisation and Dynamic Domain Tracks.
US11308097B2 (en) Method of and server for generating meta-feature for ranking documents
US8751477B2 (en) Quality control system for providing results in response to queries